AI 研究品味每 3 个月翻倍结论遭质疑

2026 年 10 月 6 日，AGI Hunt 报道，P-Zero Research 发布研究称，前沿模型的「实验研究品味」自 2025 年 12 月起每约 3 个月翻一倍，现已超过人类专家基线。burnytech 随即提出三连质问：该结论如何评测；有多大把握它不是 benchmaxxed（针对基准刷出来的）；其中多少属于目标明确、可验证的固定任务，多少属于目标模糊、验证信号不清的开放性研究问题。后续同源报道补充称，被指超过专家人类基线的最强模型为 Opus 5.5，并称模型表现的提升可能只是针对指标的优化即「刷榜」，测的并非真正的研究品味，相关争议仍在发酵。两篇报道均未给出 P-Zero Research 的回应。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。